Суждение в принятии управленческих решений. Макс Базерман, Дон Мур. Саммари

Добро пожаловать в царство эвристики репрезентативности. Оказавшись в нем, мы рискуем совершить сразу несколько ошибок.

? Игнорирование основ. Доктор Хаус говорил: «Когда в Вайоминге слышишь стук копыт, думай о лошади, а не о зебре». Иными словами, сначала предполагай наиболее вероятный исход дела, а уж потом задумывайся об экзотических случаях. Сначала факты, потом интрига.

Коллега делится с вами соблазнительным бизнес-планом, сулящим золотые горы? Вспомните о том, что спустя пять лет после запуска выживают лишь 20 % компаний.

? Нечувствительность к размеру выборки. Этот прием обожают рекламщики. «Стоматологи рекомендуют эту зубную пасту всем пациентам». Да, но реклама умолчала о том, что опрошенных стоматологов было всего пятеро.

? Вера в выравнивающую силу судьбы. Летом 1913 года в одном из казино Монте-Карло шарик в колесе 27 раз подряд выпал на черное. А игроки в это время снова и снова ставили на красное, надеясь, что судьба повернется другой стороной. И потеряли огромные деньги.

Мы верим, что случайные события уравновешивают друг друга. Но на то они и случайные. Шарик на игровом поле в Монте-Карло никому не давал гарантий!

? Игнорирование регрессии к среднему значению. «В прошлом году дела у нас шли не очень, но в этом догадались нанять консультанта, так что теперь все снова в порядке…» Может быть, консультант и правда был выдающимся, а может быть, все дело в регрессии к средним показателям. Согласно этому принципу, дела не могут долго идти слишком хорошо или слишком плохо – они неизменно возвращаются к средним показателям.

Это касается многих вещей: успеваемости школьников, темпов развития компаний, даже погоды и состояния здоровья. Но мы предпочитаем записывать перемены к лучшему на счет консультантов, удачно выбранных маркетинговых решений или действий врачей.

А как же пример с Монте-Карло? На события, не связанные между собой, регрессия к средним величинам не распространяется. Она действует в сложных системах, где переплетены разнообразные причины и условия, например в таких, как работа компании.

? Ошибка конъюнкции. Как-то раз (дело было на международном конгрессе по прогнозированию) уже знакомый нам Даниэль Канеман предложил аудитории[2] (а ее составляли сплошь академики и профессора) оценить вероятность двух прогнозов. Группа А рассматривала такую ситуацию: «Потребление нефти в следующем году снизится на 30 %». Группа Б – такую: «Резкий рост цен на нефть приведет к сокращению ее потребления на 30 %».

Группа Б оценила вероятность «своего» события намного выше, чем группа А. Вообще говоря, цифра в прогнозе была одна и та же, зато вариант Б подкупал детализацией. Однако чем больше дополнительных условий, тем менее вероятен исход события, разве нет? И все-таки наш мозг, в том числе мозг академиков, соблазняется историями, а не теорией вероятности.

Эвристика подтверждения

Многие решения требуют взвесить все «за» и «против». Но часто ли мы в самом деле занимаемся сравнением разных аргументов?

? Менеджер нанимает симпатичного ему сотрудника, но это решение нужно обосновать перед начальником. Захочет ли менеджер искать негативную информацию о соискателе или плюсы в резюме других претендентов на должность?

? Наблюдательный совет компании принимает новую стратегию. Любые позитивные прогнозы принимаются на ура. А негативные? Ну, это просто «особые случаи»…

Самый успешный инвестор всех времен Уоррен Баффет давным-давно понял опасность такого мышления: «Что люди умеют лучше всего? Так отфильтровать новую информацию, чтобы их устоявшиеся взгляды остались нетронутыми», – говорит он.

Эвристика подтверждения имеет несколько разновидностей: